一种基于SIFT特征的GIS设备X射线图像故障检测方法与流程

本发明涉及一种基于sift特征的gis设备x射线图像故障检测方法，属于gis设备x射线检测领域。

背景技术：

气体绝缘金属封闭开关设备(gis)在我国电网中获得广泛的应用，一旦其内部存在任何故障与缺陷，都可能影响设备整体性能，造成所辖局部地区乃至全部地区的停电事故，因些需要定期对gis设备进行检测，利用x射线对gis设备进行非接触式的无损检测是一种有效的外部诊断手段，用以确保gis在不破拆的情况安全的运行。变电站、电厂等现场存在大量的干扰，得到的x射线数字图像存在噪声且不够清晰，目前的研究较多的主要集中在对gis设备x射线数字图像进行去噪、增强等方面预处理，处理完后，再人工进行判断。而对gis设备x射线图像计算机辅助故障检测及智能诊断的方法较少。

技术实现要素：

针对背景技术中的问题，本发明的目的在于：提供一种基于sift特征的gis设备x射线图像故障检测方法，以提高故障检测的准确性、快速性，实现故障的智能诊断。

本发明的技术方案是：一种基于sift特征的gis设备x射线图像故障检测方法，所述方法包括：

s1、获取gis设备正常x射线图像和待测x射线图像；

s2、分别提取正常x射线图像和待测x射线图像的sift特征，统计相同sift特征点的位置；

s3、利用相同sift特征点对待测x射线图像和正常x射线图像进行图像配准；

s4、对配准后的待测x射线图像与正常x射线图像进行图像分块；

s5、利用sift特征计算待测x射线图像与正常x射线图像相同图像分块的相似度，当相似度大于设定的相似阈值时，则判定该图像分块有故障。

可选的，在配准前剔除误差大于设定阈值的sift特征点。

可选的，剔除差值大于设定阈值的sift特征点的方法包括：

(1)计算待测x射线图像与正常x射线图像中相同sift特征点位置的x平均差值和y平均差值，公式为

其中，dx和dy分别为x平均差值和y平均差值，xoi和yoi为待测x射线图像特征点的位置坐标值，xci和yci为正常x射线图像特征点的位置坐标值，n为相同特征点的数量；

(2)剔除差值大于设定阈值的sift特征点，满足如下条件的点被剔除，

if(|xoi-xci|-dx＞μx)then剔除

if(|yoi-yci|-dy＞μy)then剔除

μx，μy分别是x坐标和y坐标的设定阈值，

(3)以剔除后剩下的nt个相同sift特征点为基础，重新计算待测x射线图像与正常x射线图像中sift特征点完全相同的点的x平均差值和y平均差值，公式为

(4)以x0＝xc-dx，y0＝yc-dy为基准，将待测x射线图像与正常x射线图像配准。

可选的，计算图像分块相似度的方法包括：

(1)统计分块中待测x射线图像与正常x射线图像相同sift特征点的个数nc，统计分块中待测x射线图像与正常x射线图像不相同sift特征点的个数nm，统计正常x射线图像sift特征点的个数nz；

(2)分别统计待测x射线图像与正常x射线图像sift特征算子的均值，

s为sift特征算子，没有特征点像素算子为0；

(3)计算相似度：第i块的相似度为：

λ1，λ2，λ3为小于1的系数；

(4)相似度与相似阈值比较

if(sim(i)＞μ)then故障

μ为小于1的阈值，第i块有故障，可在待测x射线图像中定位故障位置。

可选的，在提取sift特征前对正常x射线图像和待测x射线图像处理去噪。

可选的，采用高斯滤波对正常x射线图像和待测x射线图像进行去噪。

本发明的有益效果是：本发明提出了基于sift特征的gis设备x射线图像故障智能诊断方法，使用sift特征对gis设备x射线图像既进行配准又进行故障智能诊断，可以提高检测的自动化水平，为人工检测提供参考，提高故障诊断的准确性、快速性，实现智能诊断。

附图说明

图1为根据本发明方法的流程图；

图2为x射线图，其中a图为正常x射线图，b为待检x射线图；

图3为正常x射线提取sift特征图；

图4为待检x射线提取sift特片图；

图5块sift特征对比图；

图中，1为金属散落物，2为sift特征点，3为未匹配特征点。

具体实施方式

下面结合附图及具体的实施例对发明进行进一步介绍：

s1、获取gis设备正常x射线图像和待测x射线图像。

获取gis设备同一部位的正常x射线图像和待测x射线图像，即在该gis设备运行正常时预先拍摄并存储正常x射线图像，记录其拍摄位置距离、焦距等参数，在对gis设备检测时拍摄待测x射线图像，优选其拍摄位置及参数等与正常x射线图像的相同。

s2、图像预处理。

在提取sift特征前对正常x射线图像和待测x射线图像处理去噪，优选地，采用高斯滤波对正常x射线图像和待测x射线图像进行相同的去噪处理。例如，高斯滤波采用二维零均值离散高斯函数做平滑滤波器，函数表达式为：

s3、sift特征提取。

分别提取正常x射线图像和待测x射线图像的sift特征。例如，提取整幅x射线图像的的sift算子，使用的方法是davidg.lowe于1999年提出一种基于尺度空间理论的局部特征提取sift算子，该算子对图像尺度缩放、旋转以及仿射变换等具有良好不变性

s4、统计相同sift特征点位置。

对待测x射线图像与正常x射线图像的sift算子进行比较，检测出sift算子完全相同的点，并记录它们所在图中的位置x0i和y0i。，x0i表示与待检x射线图像sift算子完全相同的正常x射线图像对以上点第i个点的x坐标值；y0i表示与待检x射线图像sift算子完全相同的正常x射线图像对以上点第i个点的y坐标值。

s5、图像配准。

利用相同sift特征点对待测x射线图像和正常x射线图像进行图像配准，在配准前剔除误差大于设定阈值的sift特征点。

剔除差值大于设定阈值的sift特征点的方法包括：

(1)计算待测x射线图像与正常x射线图像中相同sift特征点位置的x平均差值和y平均差值，公式为

其中，dx和dy分别为x平均差值和y平均差值，xoi和yoi为待测x射线图像特征点的位置坐标值，xci和yci为正常x射线图像特征点的位置坐标值，n为相同特征点的数量；

(2)剔除差值大于设定阈值的sift特征点，满足如下条件的点被剔除，

if(|xoi-xci|-dx＞μx)then剔除

if(|yoi-yci|-dy＞μy)then剔除

μx，μy分别是x坐标和y坐标的设定阈值，

(3)以剔除后剩下的nt个相同sift特征点为基础，重新计算待测x射线图像与正常x射线图像中sift特征点完全相同的点的x平均差值和y平均差值，公式为

(4)以x0＝xc-dx，y0＝yc-dy为基准，完成待测x射线图像与正常x射线图像的匹配，通过特征的匹配关系建立图像之间的配准映射关系，进而完成配准。图像配准是本领域的公知常识，此处不再赘述。

s6、图像分块。

对配准后的待测x射线图像与正常x射线图像进行图像分块。例如，待检x射线图像与正常x射线图像按按32*32像素，64*16像素，16*64像素从左到右，或者从上到下进行相同分块。

s7、统计分块中sift特征点的相似度。

(1)统计分块中待测x射线图像与正常x射线图像相同sift特征点的个数nc，统计分块中待测x射线图像与正常x射线图像不相同sift特征点的个数nm，统计正常x射线图像sift特征点的个数nz；

(2)分别统计待测x射线图像与正常x射线图像sift特征算子的均值，

s为sift特征算子，没有特征点像素算子为0；

(3)计算相似度：第i块的相似度为：

λ1，λ2，λ3为小于1的系数。

s8、相似度与阈值比较，输出结果。

当相似度大于设定的相似阈值时，则判定该图像分块有故障。采用以下公式

if(sim(i)＞μ)then故障

μ为小于1的阈值，第i块有故障，可在待测x射线图像中定位故障位置。

例如，图2中a图为正常x射线图，b图为待检x射线图，图中1为金属散落物。采用本发明检测方法后，图3为正常x射线提取sift特征图，图中2为sift特征点，图4为待检x射线提取sift特征图，图5为sift特征对比图，3为未匹配特征点，由于未匹配特征点显著增多，检测出该块有故障。据测算，本发明的准确率达92％以上。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。